20190730 面试必备：什么是一致性Hash算法？

最近有小伙伴跑过来问什么是Hash一致性算法，说面试的时候被问到了，因为不了解，所以就没有回答上，问我有没有相应的学习资料推荐，当时上班，没时间回复，晚上回去了就忘了这件事，今天突然看到这个，加班为大家整理一下什么是Hash一致性算法，希望对大家有帮助！文末送书，长按抽奖助手小程序即可参与，祝君好运！

经常阅读我文章的小伙伴应该都很熟悉我写文章的套路，上来就是先要问一句为什么？也就是为什么要有Hash一致性算法？就像以前介绍为什么要有Spring一样，首先会以历史的角度或者项目发展的角度来分析，今天的分享还是一样的套路，先从历史的角度来一步步分析，探讨一下到底什么是Hash一致性算法！

一、Redis集群的使用

我们在使用Redis的时候，为了保证Redis的高可用，提高Redis的读写性能，最简单的方式我们会做主从复制，组成Master-Master或者Master-Slave的形式，或者搭建Redis集群，进行数据的读写分离，类似于数据库的主从复制和读写分离。如下所示：

同样类似于数据库，当单表数据大于500W的时候需要对其进行分库分表，当数据量很大的时候（标准可能不一样，要看Redis服务器容量）我们同样可以对Redis进行类似的操作，就是分库分表。

假设，我们有一个社交网站，需要使用Redis存储图片资源，存储的格式为键值对，key值为图片名称，value为该图片所在文件服务器的路径，我们需要根据文件名查找该文件所在文件服务器上的路径，数据量大概有2000W左右，按照我们约定的规则进行分库，规则就是随机分配，我们可以部署8台缓存服务器，每台服务器大概含有500W条数据，并且进行主从复制，示意图如下：

由于规则是随机的，所有我们的一条数据都有可能存储在任何一组Redis中，例如上图我们用户查找一张名称为”a.png”的图片，由于规则是随机的，我们不确定具体是在哪一个Redis服务器上的，因此我们需要进行1、2、3、4，4次查询才能够查询到（也就是遍历了所有的Redis服务器），这显然不是我们想要的结果，有了解过的小伙伴可能会想到，随机的规则不行，可以使用类似于数据库中的分库分表规则：按照Hash值、取模、按照类别、按照某一个字段值等等常见的规则就可以出来了！好，按照我们的主题，我们就使用Hash的方式。

二、为Redis集群使用Hash

可想而知，如果我们使用Hash的方式，每一张图片在进行分库的时候都可以定位到特定的服务器，示意图如下：

上图中，假设我们查找的是”a.png”，由于有4台服务器（排除从库），因此公式为hash(a.png) % 4 = 2 ，可知定位到了第2号服务器，这样的话就不会遍历所有的服务器，大大提升了性能！

三、使用Hash的问题

上述的方式虽然提升了性能，我们不再需要对整个Redis服务器进行遍历！但是，使用上述Hash算法进行缓存时，会出现一些缺陷，主要体现在服务器数量变动的时候，所有缓存的位置都要发生改变！

试想一下，如果4台缓存服务器已经不能满足我们的缓存需求，那么我们应该怎么做呢？很简单，多增加几台缓存服务器不就行了！假设：我们增加了一台缓存服务器，那么缓存服务器的数量就由4台变成了5台。那么原本hash(a.png) % 4 = 2 的公式就变成了hash(a.png) % 5 = ？ ， 可想而知这个结果肯定不是2的，这种情况带来的结果就是当服务器数量变动时，所有缓存的位置都要发生改变！换句话说，当服务器数量发生改变时，所有缓存在一定时间内是失效的，当应用无法从缓存中获取数据时，则会向后端数据库请求数据（还记得上一篇的《缓存雪崩》吗？）！

同样的，假设4台缓存中突然有一台缓存服务器出现了故障，无法进行缓存，那么我们则需要将故障机器移除，但是如果移除了一台缓存服务器，那么缓存服务器数量从4台变为3台，也是会出现上述的问题！

所以，我们应该想办法不让这种情况发生，但是由于上述Hash算法本身的缘故，使用取模法进行缓存时，这种情况是无法避免的，为了解决这些问题，Hash一致性算法（一致性Hash算法）诞生了！

/*
如何实现一台服务器接收一个范围的请求？
这个时候不用取模了，而是将server也按照hash算法计算一个id值，
比如按照他们的ip+port+name拼成的串计算，假设正好分别是 1，100，200，
将他们放进一个treeMap里，Map<Inetger,Node> ，
其中Node代表server节点，是自定义的数据结构，
比如是一个类，包含ip，port，name等属性。
我们的例子中，map里包含三个元素。


一个请求过来hash得到的值必属于这三个server的范围，
比如一个请求id=N，那么从map里get(N)去找server，找到直接转发，
找不到进行如下运算：
treemap里有个关键的api，tailMap()，这个接口能够返回id比N大的map的子集，
然后取子集的第一个节点，就是id=100的节点，通常称为顺时针查找

    //得到应当路由到的结点（示例代码用String代表的节点）
	private static String getServer(String key) {
		//得到该key的hash值
		int hash = getHash(key);
		//得到大于该Hash值的所有Map
		SortedMap<Integer, String> subMap = sortedMap.tailMap(hash);
		if(subMap.isEmpty()){
			//如果没有比该key的hash值大的，则从第一个node开始
			Integer i = sortedMap.firstKey();
			//返回对应的服务器
			return sortedMap.get(i);
		}else{
			//第一个Key就是顺时针过去离node最近的那个结点
			Integer i = subMap.firstKey();
			//返回对应的服务器
			return subMap.get(i);
		}
	}

当然如果子集为空，这意味着N>200，就取整个map的第一个节点，完成闭环。

分析：从实现可以看出，如果一个节点挂了，他的流量会顺时针（逆时针实现也是一样的）“导流”到下一个节点，其他节点不受影响。
假如有100台服务器，一台挂了，其他99台都能正常命中！

带虚拟节点的一致性哈希算法是为了解决不带虚拟节点算法的雪崩问题，虚拟节点也称为分片。
在上一步的基础上理解虚拟节点是非常容易的。
“虚拟”节点是server的副本、分身，
每个虚拟节点存储的server信息还是后面的物理地址，
只不过每个server由一台变成了多台，
这个时候往treeMap放节点时往往这么做：



for(i=1  -->  N) // N为每个server对应的分片数量
{
   Map.put(hash(ip+port+name+i)，node) // 所有虚拟节点放进去
}
 
这个for循环外面还会有个循环，处理所有server node

*/

public class LZHash {
    static List<String> realNodes = new ArrayList<String>();
    int replcaNum = 50;//虚拟节点副本数量，需要大一些，能更好地保证均衡性
    static SortedMap<Integer, String> virtualNodes = new TreeMap<Integer, String>();

    public LZHash(List<String> realNodes) {
        for(String node : realNodes) {
            addNode(node);
        }
    }

    private void addNode(String node) {
        for(int i = 0; i < replcaNum; i ++) {
            virtualNodes.put(md5(node + i).hashCode(), node);
        }

        realNodes.add(node);
    }

    private void removeNode(String node) {
        for(int i = 0; i < replcaNum; i++) {
            virtualNodes.remove(md5(node + i));
        }

        realNodes.remove(node);
    }

    public static String md5(String source) {
        return Hashing.md5().newHasher().putString(source, Charsets.UTF_8).hash().toString();
    }

    public static String getRedisNode(String key) {
        int hash = md5(key).hashCode();

        if(virtualNodes.containsKey(hash)) {
            return virtualNodes.get(hash);
        }

        SortedMap<Integer, String> temp = virtualNodes.tailMap(hash);
        if(temp.isEmpty()) {
            return virtualNodes.get(virtualNodes.firstKey());
        }

        return temp.get(temp.firstKey());

    }

    public static void main(String[] args) {
        List<String> realNodes = new ArrayList<String>();
        realNodes.add("192.168.96.220:6379");
        realNodes.add("192.168.99.233:6379");
        realNodes.add("192.168.99.60:6379");
        LZHash h = new LZHash(realNodes);

        String keyPrefix = "binova_shopcart_";
        int node220 = 0;
        int node233 = 0;
        int node60 = 0;
        for(int i = 0; i < 100000; i++) {
            String key = keyPrefix + i;
            String node = getRedisNode(key);
            if(node.equals("192.168.96.220:6379")) {
                node220 ++;
            }if(node.equals("192.168.99.233:6379")) {
                node233 ++;
            }if(node.equals("192.168.99.60:6379")) {
                node60 ++;
            }
        }
        System.out.println("node220:" + node220);
        System.out.println("node233:" + node233);
        System.out.println("node60:" + node60);
    }

}

四、一致性Hash算法的神秘面纱

一致性Hash算法也是使用取模的方法，只是，刚才描述的取模法是对服务器的数量进行取模，而一致性Hash算法是对2^32取模，什么意思呢？简单来说，一致性Hash算法将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2^32-1（即哈希值是一个32位无符号整形），整个哈希环如下：

整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，以此类推，2、3、4、5、6……直到2^32-1，也就是说0点左侧的第一个点代表2^32-1， 0和2^32-1在零点中方向重合，我们把这个由2^32个点组成的圆环称为Hash环。

下一步将各个服务器使用Hash进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置，这里假设将上文中四台服务器使用IP地址哈希后在环空间的位置如下：

接下来使用如下算法定位数据访问到相应服务器：将数据key使用相同的函数Hash计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器！

例如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：

根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

五、一致性Hash算法的容错性和可扩展性

现假设Node C不幸宕机，可以看到此时对象A、B、D不会受到影响，只有C对象被重定位到Node D。一般的，在一致性Hash算法中，如果一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它不会受到影响，如下所示：

下面考虑另外一种情况，如果在系统中增加一台服务器Node X，如下图所示：

此时对象Object A、B、D不受影响，只有对象C需要重定位到新的Node X ！一般的，在一致性Hash算法中，如果增加一台服务器，则受影响的数据仅仅是新服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它数据也不会受到影响。

综上所述，一致性Hash算法对于节点的增减都只需重定位环空间中的一小部分数据，具有较好的容错性和可扩展性。

六、Hash环的数据倾斜问题

一致性Hash算法在服务节点太少时，容易因为节点分部不均匀而造成数据倾斜（被缓存的对象大部分集中缓存在某一台服务器上）问题，例如系统中只有两台服务器，其环分布如下：

此时必然造成大量数据集中到Node A上，而只有极少量会定位到Node B上。为了解决这种数据倾斜问题，一致性Hash算法引入了虚拟节点机制，即对每一个服务节点计算多个哈希，每个计算结果位置都放置一个此服务节点，称为虚拟节点。具体做法可以在服务器IP或主机名的后面增加编号来实现。

例如上面的情况，可以为每台服务器计算三个虚拟节点，于是可以分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值，于是形成六个虚拟节点：

同时数据定位算法不变，只是多了一步虚拟节点到实际节点的映射，例如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中，通常将虚拟节点数设置为32甚至更大，因此即使很少的服务节点也能做到相对均匀的数据分布。

七、总结

上文中，我们一步步分析了什么是一致性Hash算法，主要是考虑到分布式系统每个节点都有可能失效，并且新的节点很可能动态的增加进来的情况，如何保证当系统的节点数目发生变化的时候，我们的系统仍然能够对外提供良好的服务，这是值得考虑的！

 

转

 

https://zhuanlan.zhihu.com/p/34985026